、Codex CLI 简介

1.1 什么是 Codex CLI?

定位与 Claude Code 一样。Codex CLI 是由 OpenAI 开发的开源系统级 AI 助手，使用 Rust 语言编写，具有极高的性能和效率。它可以在终端中读取、修改和运行代码，是一个真正意义上的 AI Agent。

核心特性:

特性	说明
Rust 原生构建	极速启动和响应，内存占用极低
开源	完全开源，社区驱动，代码透明可审计
多模型支持	原生支持 OpenAI、Ollama、LM Studio、Amazon Bedrock，也可自定义接入任意兼容 API
ChatGPT 认证	支持 ChatGPT Plus/Pro/Business/Edu/Enterprise OAuth 登录，不一定要 API Key
多级 Sandbox	macOS Seatbelt、Linux bubblewrap、Windows 原生沙箱，平台级安全保障
MCP 协议	通过 Model Context Protocol 连接任意外部工具和服务
多 Agent 协作	内置 Subagent 系统，支持并行任务委派
Skills & Plugins	可复用的工作流技能包和可分发的插件系统
内置记忆系统	跨会话的 Memory 机制，自动提取和整合项目知识

---

二、安装与配置

2.1 系统要求

平台	要求
macOS	12+ (Monterey 及以上)
Linux	Ubuntu 20.04+ / Debian 10+
Windows	Windows 10/11 (原生 PowerShell 沙箱或 WSL2)
RAM	最低 4 GB，推荐 8 GB
Git	2.23+ (可选，用于版本控制功能)

2.2 安装 Codex CLI

方式一：npm 全局安装（推荐）:

npm i -g @openai/codex

方式二：Homebrew 安装（macOS）:

brew install --cask codex

方式三：从 GitHub Releases 下载二进制文件:

前往 openai/codex 的 Releases 页面，下载对应平台的预编译二进制文件。

方式四：从源码构建（Rust/Cargo）:

git clone https://github.com/openai/codex.git
cd codex
cargo build --release

💡 仓库中还提供了 justfile，包含构建和测试的辅助命令。

验证安装:

codex --version
# 或 codex -V

# 查看帮助
codex --help

升级 Codex CLI:

npm i -g @openai/codex@latest
# 或 codex update

2.3 认证配置

Codex CLI 支持三种认证方式：

方式一：ChatGPT OAuth 登录（默认，最简单）

这是最推荐的方式，不需要 API Key，只要有 ChatGPT 订阅即可。

# 首次运行 codex 时自动触发 OAuth 登录流程
# 也可以手动登录
codex login

# 支持的订阅类型：
# - ChatGPT Plus
# - ChatGPT Pro
# - ChatGPT Business
# - ChatGPT Edu
# - ChatGPT Enterprise

登录后凭证保存在本地，后续使用无需重复登录。

登出:

codex logout

# 或在交互式会话中
/logout

凭证存储方式配置（cli_auth_credentials_store）:

存储方式	说明
file	存储在本地文件
keyring	使用系统密钥链（macOS Keychain/Linux Secret Service/Windows Credential Manager）
auto	自动选择（默认）

方式二：API Key

# Linux/macOS
export OPENAI_API_KEY="sk-your-api-key"

# 永久配置
echo 'export OPENAI_API_KEY="sk-your-api-key"' >> ~/.bashrc
source ~/.bashrc

# Windows PowerShell（永久配置）
[System.Environment]::SetEnvironmentVariable("OPENAI_API_KEY", "sk-your-api-key", "User")

方式三：通过 stdin 传入 Access Token

echo "your-access-token" | codex

2.4 配置第三方模型供应商

Codex CLI 原生支持多种模型供应商。

内置供应商

这部分我没这么用过，内容只做参考，这里只做资料收集整理

供应商 ID	说明	认证方式
openai	OpenAI API（默认）	OPENAI_API_KEY 环境变量
ollama	本地模型（Ollama）	无需 Key，自动连接本地 Ollama 服务
lmstudio	本地模型（LM Studio）	无需 Key，自动连接本地 LM Studio 服务
amazon-bedrock	AWS Bedrock 托管模型	AWS Profile + Region

快速接入本地开源模型

使用 --oss 标志可以一键配置本地开源模型：

# 自动检测并连接本地 Ollama 或 LM Studio
codex --oss

在配置文件中指定默认本地供应商：

# ~/.codex/config.toml
oss_provider = "ollama"  # 或 "lmstudio"

自定义第三方供应商

注：关于第三方模型兼容性限制

有一点需要强调的是，Codex CLI 使用的 API 协议规范与 OpenAI 的行业标准 API 协议规范不一样，Codex CLI 使用的是 Responses API 协议，而非行业标准的 Chat Completions API。

所以会有小伙伴发现将 DeepSeek、Kimi 等第三方模型的官方提供 OpenAI 标准规范的接口接入 Codex CLI 仍然无法正常工作就是这个原因，API 在协议层面不兼容。

维度	Chat Completions（行业标准）	Responses API（仅 Codex 支持）
端点	POST /v1/chat/completions	POST /v1/responses
请求格式	messages: [...]	input: [...] + tools + instructions
行业支持	几乎所有供应商都实现	OpenAI 支持

从时间线上看 2026 年 2 月起 Codex CLI 就完全移除 Chat Completions 支持（wire_api 仅支持 "responses"）。所以无论怎么配置 base_url，Codex 发出的请求都是 Responses API 格式，而 DeepSeek、Kimi、GLM、Qwen 等第三方供应商官方支持的 API 只有 Chat Completions 端点，无法理解和处理这种请求。

另一方面，Claude Code 使用的是 Anthropic Messages API，第三方供应商已经实现了对该协议的兼容（例如直接提供 https://api.deepseek.com/anthropic 端点），所以 cc-switch 换个 URL 就能生效。而 Codex CLI 的问题在于协议格式对不上，供应商未支持，所以换 Chat Completions 协议的地址依旧无法使用。

邪修方案：如果确实需要 Codex CLI + 第三方模型，可以使用本地代理（GitHub 上有类似的开源项目，比如 codeproxy-ai/cli，但该项目我未实际试用过，仅作参考）在中间做协议转换，将 Codex 发出的 Responses API 请求转换为 Chat Completions 格式再转发给第三方供应商。

通过这种方式配置 model_providers 配置块可以接入任意兼容 OpenAI Responses API 的服务。

# 启动本地代理
npx @codeproxy/cli --upstream-format openai-chat \
--base-url https://api.deepseek.com/v1 \
--apikey sk-your-deepseek-key

# 然后在 Codex 配置中指向本地代理
[model_providers.deepseek]
name = "DeepSeek"
base_url = "http://127.0.0.1:8787/v1"  # 指向本地代理，而非 DeepSeek 官方地址
env_key = "DEEPSEEK_API_KEY"
wire_api = "responses"

自定义供应商完整参数:

参数	说明
base_url	API 基础地址
env_key	存放 API Key 的环境变量名
name	供应商显示名称
wire_api	协议类型（目前仅支持 "responses"）
http_headers	静态 HTTP 请求头
env_http_headers	从环境变量读取的 HTTP 请求头
query_params	额外查询参数
request_max_retries	HTTP 重试次数（默认 4）
stream_idle_timeout_ms	SSE 空闲超时（默认 300000ms）
stream_max_retries	SSE 重试次数（默认 5）
supports_websockets	是否支持 WebSocket 传输

配置示例

一个比较完整的 ~/.codex/config.toml 配置示例，展示如何同时配置多个供应商并使用自定义供应商作为默认：

#:schema https://developers.openai.com/codex/config-schema.json

# ---- 基础配置 ----
# 使用自定义供应商（填入你在 model_providers 中定义的 ID）
model_provider = "custom"
# 默认模型
model = "gpt-4o"

# ---- 自定义供应商配置 ----

# 示例 1：自定义 API
[model_providers.custom]
name = "服务名"
base_url = "https://api.your-proxy.com/v1"
env_key = "CUSTOM_API_KEY"
wire_api = "responses"
# 请求超时和重试
request_max_retries = 3
stream_idle_timeout_ms = 300000

# 示例 2：接入另一个备用供应商
[model_providers.backup]
name = "备用供应商"
base_url = "https://api.backup-provider.com/v1"
env_key = "BACKUP_API_KEY"
wire_api = "responses"

# ---- 沙箱与审批（控制 Codex 能做什么） ----
# workspace-write：只能在工作目录内写文件
sandbox_mode = "workspace-write"
# on-request：需要确认才执行
approval_policy = "on-request"

# ---- Web 搜索，控制 Codex 是否能搜索网页以及搜索方式（cached 用缓存快但可能不是最新，live 实时抓取但慢） ----
web_search = "cached"

# ---- 配置预设，给不同场景起个名字，比如 fast 用便宜模型、work 用强模型，用 --profile fast 一键切换，不用每次手动改配置。----
[profiles.work]
model = "gpt-4o"
model_provider = "custom"
web_search = "live"

[profiles.fast]
model = "gpt-4o-mini"
model_provider = "custom"
model_reasoning_effort = "low"

[profiles.backup]
model = "gpt-4o"
model_provider = "backup"

如果不想把 key 配置在 TOML 文件中，想使用更安全的 key 读取方式，则可以通过以下方式在 Shell 里配置环境变量。好处是避免密钥明文写在配置文件里被意外提交到 Git：

# 添加到 ~/.bashrc 或 ~/.zshrc
export CUSTOM_API_KEY="sk-your-custom-api-key"
export BACKUP_API_KEY="sk-your-backup-api-key"

# 使配置生效
source ~/.bashrc

配置完成后，即可通过不同方式启动：

# 使用默认配置（custom 供应商 + gpt-4o）
codex

# 切换到快速模式 Profile
codex --profile fast

# 切换到备用供应商
codex --profile backup

# 临时指定模型
codex --model gpt-4o-mini

动态 Bearer Token（命令获取）

对于需要动态刷新 Token 的供应商：

[model_providers.my-provider.auth]
command = "my-token-generator"   # 运行哪个命令来获取 Token
args = ["--refresh"]             # 命令的参数
timeout_ms = 5000                # 命令超时 5 秒
refresh_interval_ms = 300000     # 每 5 分钟自动刷新一次
cwd = "/path/to/workdir"         # 指定运行获取 Token 的命令时的工作目录

Amazon Bedrock 配置

没玩过，供参考

[model_providers.amazon-bedrock]
# AWS 认证配置
[model_providers.amazon-bedrock.aws]
profile = "default"
region = "us-east-1"

推荐配置工具：CC Switch

与手动编辑 TOML 配置文件相比，其实更推荐使用 CC Switch 这个开源配置管理工具。

GitHub 地址: https://github.com/farion1231/cc-switch

CC Switch 支持一键管理 Claude Code、Codex CLI、Gemini CLI 等多种 AI CLI 工具的供应商配置、MCP 服务器、Skills 扩展和系统提示词。跨平台。通过图形界面快速添加和切换不同的 API 供应商配置，无需手动编辑配置文件，适合需要频繁切换不同供应商或管理多个项目的场景。会比手动配置方便很多。

2.5 一些 Codex CLI 启动参数

TUI 模式（即终端模式，默认）:

# 在当前目录启动
codex

# 指定工作目录
codex --cd /path/to/project

# 使用本地模型
codex --oss

# 指定模型
codex --model gpt-5.4

# 使用特定 Profile
codex --profile work

非交互式 exec 模式（脚本/CI 集成）:

# 单次执行
codex exec "fix the CI failure"

# JSON 格式输出
codex exec --json "summarize the codebase"

# 恢复上次的 exec 会话
codex exec resume --last "Fix the race conditions"

# 恢复指定会话
codex exec resume <SESSION_ID> "Implement the plan"

完全自主模式（跳过所有确认）:

通过命令行参数：

# ⚠️ 危险：跳过所有权限确认
codex --yolo

注意: --yolo 模式会自动将 sandbox 设为 danger-full-access，web_search 设为 live。仅在你完全信任当前任务时使用。

也可以在配置文件中永久启用（等效于每次启动都带 --yolo），通过 Profile 按需切换：

# ~/.codex/config.toml
[profiles.auto]
approval_policy = "never"              # 从不询问确认
sandbox_mode = "danger-full-access"    # 无沙箱限制
web_search = "live"                    # 实时搜索

[profiles.safe]
approval_policy = "on-request"         # on-request：需要确认才执行
sandbox_mode = "workspace-write"       # workspace-write：只能在工作目录内写文件
web_search = "cached"				   # 使用 cached 可能不是最新                  # 实时搜索

# 需要自主执行时
codex --profile auto

# 回到安全模式
codex --profile safe

建议: 不要把 never + danger-full-access 写在默认配置里。推荐用 Profile 方式，需要时手动切换，避免误操作。

---

三、补充的配置文件说明

Codex CLI 使用 TOML 格式的配置文件（不是 JSON），拥有多层级的配置体系和极其丰富的参数。这是与 Claude Code（使用 JSON）的一个显著区别。

3.1 配置文件层级

Codex 使用多层配置体系，优先级从高到低：

层级	位置	作用域
CLI 参数	命令行 --model 等	当前命令
Profile 值	--profile 指定	命名预设
项目配置	.codex/config.toml	当前仓库
用户配置	~/.codex/config.toml	个人全局
系统配置	/etc/codex/config.toml	机器级默认

优先级: CLI 参数 > Profile > 项目配置 > 用户配置 > 系统配置 > 内置默认值

⚠️ 重要: 项目级配置不能覆盖以下安全敏感字段：openai_base_url、chatgpt_base_url、model_provider、model_providers、notify、profile、profiles 等。这些只能在用户级或系统级配置中设置。

覆盖默认主目录:

# 使用自定义的 CODEX_HOME 目录
export CODEX_HOME=/path/to/custom/home
# 配置文件将从 /path/to/custom/home/config.toml 读取

3.2 核心配置参数

在配置文件顶部添加 schema 声明可获得 IDE 自动补全支持：

#:schema https://developers.openai.com/codex/config-schema.json

模型相关配置

# ~/.codex/config.toml

# 使用的模型名称
model = "gpt-5.5"

# 模型供应商 ID（内置: openai, ollama, lmstudio, amazon-bedrock）
model_provider = "openai"

# 推理努力程度: "minimal" | "low" | "medium" | "high" | "xhigh"
# 类似 Claude Code 的 Extended Thinking 模式
model_reasoning_effort = "medium"

# 推理摘要: "auto" | "concise" | "detailed" | "none"
model_reasoning_summary = "auto"

# 上下文窗口大小（token 数）
model_context_window = 200000

# 模型输出详细程度: "low" | "medium" | "high"
model_verbosity = "medium"

# 服务层级: "flex"（弹性） | "fast"（快速）
service_tier = "fast"

💡 使用技巧: model_reasoning_effort 是一个非常影响使用体感的配置。对于简单任务设为 "low" 可以获得更快的响应，对于复杂架构设计设为 "high" 或 "xhigh" 可以获得更深入的推理。

审批与沙箱配置

# 审批策略
# "untrusted" - 不受信任，需要确认（最安全）
# "on-request" - 按需确认
# "never" - 从不确认（最自由）
approval_policy = "on-request"

# 细粒度审批策略（高级）
# approval_policy = { granular = { sandbox_approval = true, rules = true, mcp_elicitations = true, request_permissions = true, skill_approval = true } }

# 沙箱模式
# "read-only" - 只读，不能修改文件或运行命令
# "workspace-write" - 工作区写入（默认）
# "danger-full-access" - 完全访问（危险）
sandbox_mode = "workspace-write"

# 自动审批审阅者: "user"（人工） | "auto_review"（AI 自动审阅）
approvals_reviewer = "user"

# 额外可写目录
# sandbox_workspace_write.writable_roots = ["/tmp/codex-output"]

# 工作区写入模式是否允许网络
# sandbox_workspace_write.network_access = false

# 默认权限配置
# ":read-only" - 只读权限
# ":workspace" - 工作区权限
# ":danger-no-sandbox" - 无沙箱
# 或自定义权限名
default_permissions = ":workspace"

⚠️ 重要提示: sandbox_mode 直接影响 Codex 能做什么。workspace-write 是推荐的日常使用模式。如果你在 Windows 上使用，沙箱机制是原生 Windows 沙箱；macOS 使用 Seatbelt 框架（无需额外安装）；Linux 需要 bubblewrap (sudo apt install bubblewrap)。

Web 搜索配置

# Web 搜索模式
# "cached" - 使用 OpenAI 维护的缓存索引（默认，快速）
# "live" - 实时抓取最新网页数据
# "disabled" - 禁用 web 搜索
web_search = "cached"

# 细粒度 web 搜索配置
# [tools.web_search]
# context_size = "medium"
# allowed_domains = ["docs.python.org", "developer.mozilla.org"]
# location = "us"

💡 使用技巧: 日常使用 "cached" 模式即可，响应快且成本更低。只有在需要最新信息（如查看最新文档或新闻）时才切换到 "live"。使用 --yolo 模式时会自动切换为 "live"。

TUI（终端 UI）配置

# 语法高亮主题
# tui.theme = "dracula"

# 默认启用 Vim 模式
# tui.vim_mode_default = false

# 原始输出模式（不格式化）
# tui.raw_output_mode = false

# 状态栏配置
# tui.status_line = []

# 终端窗口标题
# tui.terminal_title = []

# 桌面通知
# tui.notifications = false

# 动画效果
# tui.animations = true

# 备用屏幕模式: "auto" | "always" | "never"
# tui.alternate_screen = "auto"

# 自定义键位映射
# [tui.keymap.composer]
# submit = "enter"
# newline = "shift+enter"

记忆系统配置

# 记忆系统（默认关闭，需要手动开启）
# features.memories = true

[memories]
# 注入已有记忆到上下文（默认 true）
use_memories = true
# 生成新记忆（默认 true）
generate_memories = true
# 用于单线程记忆提取的模型
# extract_model = "gpt-5.4-mini"
# 用于全局记忆整合的模型
# consolidation_model = "gpt-5.4"
# 线程最大保留天数（默认 30）
max_rollout_age_days = 30
# 每次启动最大处理的线程数（默认 16）
max_rollouts_per_startup = 16
# 线程最小空闲时间（小时，默认 6）
min_rollout_idle_hours = 6

⚠️ 重要: 记忆系统默认是关闭的。你需要在配置中显式设置 features.memories = true 才能启用。启用后，Codex 会在你使用过程中自动提取和整合项目知识。

Shell 环境策略

[shell_environment_policy]
# 环境变量继承: "all" | "core" | "none"
inherit = "all"
# 白名单模式（仅包含匹配的变量）
# include_only = ["PATH", "HOME"]
# 排除匹配的变量
# exclude = ["*_SECRET", "*_TOKEN"]
# 显式设置环境变量
# set = { MY_VAR = "value" }
# 忽略默认排除列表（保留 KEY/SECRET/TOKEN 等变量）
# ignore_default_excludes = false

Agent 配置

[agents]
# 最大并发 Agent 线程数（默认 6）
max_threads = 6
# 最大嵌套深度（默认 1）
max_depth = 1
# 每个 Worker 的超时时间（秒，默认 1800 = 30分钟）
job_max_runtime_seconds = 1800

# 定义命名 Agent 角色
# [agents.code-reviewer]
# description = "专业代码审查 Agent"
# config_file = "~/.codex/agents/reviewer.toml"
# nickname_candidates = ["Reviewer", "CodeCop", "Inspector"]

人格配置

# AI 人格风格
# "none" - 无特殊人格（默认）
# "friendly" - 友好型
# "pragmatic" - 务实型
personality = "none"

3.3 Profiles（配置预设）

Profiles 允许你创建命名配置预设，快速切换不同的工作模式：

# ~/.codex/config.toml

# 工作模式：使用最强模型 + 实时搜索
[profiles.work]
model = "gpt-5.5"
web_search = "live"
approval_policy = "on-request"

# 快速模式：使用轻量模型
[profiles.fast]
model = "gpt-5.4-mini"
web_search = "cached"
model_reasoning_effort = "low"

# 审查模式：只读 + 详细推理
[profiles.review]
model = "gpt-5.5"
sandbox_mode = "read-only"
model_reasoning_effort = "high"
model_reasoning_summary = "detailed"

使用 Profile:

# 命令行指定
codex --profile work

# 或在配置文件中设置默认 Profile
# profile = "work"

3.4 requirements.toml（管理员强制约束）

这是 Codex CLI 独有的企业级安全特性。requirements.toml 是管理员强制执行的配置文件，用户无法覆盖其中的设置：

# /etc/codex/requirements.toml

# 限制允许的审批策略
allowed_approval_policies = ["on-request", "never"]

# 限制允许的沙箱模式
allowed_sandbox_modes = ["read-only", "workspace-write"]

# 限制 Web 搜索模式
allowed_web_search_modes = ["cached", "disabled"]

# 限制审批审阅者
allowed_approvals_reviewer = ["user"]

# 网络访问控制
# [experimental_network]
# allowed_domains = ["api.internal.com"]
# denied_domains = ["*.external.com"]

# 强制功能开关
# [features]
# memories = false
# network_proxy = false

# 允许的 MCP 服务器白名单
# mcp_servers = ["github", "postgres"]

# 文件系统读取限制
# [permissions.filesystem]
# deny_read = ["/etc/secrets/*"]

# 托管 Hooks（仅允许管理员定义的 Hooks）
# allow_managed_hooks_only = true

💡 企业场景价值: requirements.toml 让安全管理员可以统一约束所有开发者的 Codex 使用行为，防止不当操作。这是 Claude Code 所不具备的。

---

四、核心概念详解

Codex CLI 的核心概念与 Claude Code 有许多相似之处（如 MCP、Skills），也有一些独特的机制。以下是深入讲解。

4.1 Approval Modes（审批模式）

Codex CLI 有三种审批模式，控制 AI 可以自主做什么：

模式	读取文件	编辑文件	运行命令	网络访问
Auto（默认）	✅ 自由	✅ 工作区内	✅ 本地命令	❌ 需确认
Read-only	✅ 自由	❌ 需确认	❌ 需确认	❌ 需确认
Full Access	✅ 自由	✅ 全局	✅ 所有命令	✅ 自由

切换审批模式:

# 在交互式会话中
/permissions

# 或使用 CLI 参数
codex --sandbox read-only
codex --full-access

# 或在配置文件中
# approval_policy = "never"
# sandbox_mode = "danger-full-access"

细粒度审批策略:

# 启用细粒度控制
approval_policy = { granular = { sandbox_approval = true, rules = true, mcp_elicitations = true, request_permissions = true, skill_approval = true } }

最佳实践:

• 日常开发使用默认的 Auto 模式
• 代码审查使用 Read-only 模式
• CI/CD 自动化使用 Full Access 模式
• 敏感项目始终使用细粒度策略

4.2 Auto-Review System（自动审阅系统）

这是 Codex CLI 独有的功能。设置 approvals_reviewer = "auto_review" 后，Codex 会使用一个 AI 子代理来自动决定是否批准操作，而不是每次都弹窗问你。

# 启用自动审阅
approvals_reviewer = "auto_review"

# 配置自动审阅策略（本地 Markdown 文件）
# auto_review.policy = "~/.codex/auto-review-policy.md"

# 或使用托管策略配置（优先级更高）
# guardian_policy_config = { ... }

自动审阅策略文件示例:

<!-- ~/.codex/auto-review-policy.md -->
# Auto Review Policy

## Always Allow
- Reading any file in the project
- Running npm test, npm run lint, npm run build
- Creating new files in src/ and tests/

## Always Deny
- Deleting files outside the project directory
- Running commands with sudo
- Accessing network URLs not in allowlist

## Ask User
- Modifying configuration files (tsconfig.json, package.json)
- Running npm install or adding dependencies
- Any git push operations

4.3 Subagents（子代理）

与 Claude Code 类似，Codex CLI 也支持子代理系统，但机制有所不同。

核心工具: spawn_agent、send_input、resume_agent、wait_agent、close_agent

配置 Agent:

# ~/.codex/config.toml

[agents]
max_threads = 6    # 最大并发线程
max_depth = 1      # 最大嵌套深度

# 定义 code-reviewer Agent
[agents.code-reviewer]
description = "专业代码审查 Agent，专注于代码质量、安全漏洞和性能问题"
# config_file = "~/.codex/agents/reviewer.toml"
nickname_candidates = ["Reviewer", "Inspector", "CodeCop"]

# 定义 test-writer Agent
[agents.test-writer]
description = "测试工程师 Agent，专注于编写全面的单元测试和集成测试"
nickname_candidates = ["Tester", "QA", "TestBot"]

使用 Agent:

# 在 Codex 中请求使用特定 Agent
请使用 code-reviewer agent 审查 src/auth.ts 的代码质量

# 并行使用多个 Agent
请使用以下 agents 并行工作:
1. code-reviewer 审查代码质量
2. test-writer 编写测试用例

模型推荐:

用途	推荐模型	理由
复杂多步骤任务	gpt-5.5	能力最强
通用任务	gpt-5.4	平衡性能和成本
只读扫描/并行 Worker	gpt-5.4-mini	快速且便宜

💡 与 Claude Code 的区别: Claude Code 有正式的 Team 概念（TeamCreate/TaskCreate/TaskList），Codex CLI 的 Agent 系统更轻量，通过工具调用而非消息传递来协作。

4.4 Skills（技能包）

Skills 概念与 Claude Code 一致——是预封装的可复用工作流。一个 Skill 是一个 SKILL.md 文件加可选的脚本和资源。

Skill 目录结构:

my-skill/
├── SKILL.md          # 必需：指令和元数据
├── scripts/          # 可选：可执行脚本
├── references/       # 可选：文档
└── assets/           # 可选：模板和资源